توضیحات
ABSTRACT
This study presents a new approach for optimal allocation of distributed generation (DG) and energy storage system (ESS) in microgrids (MGs). The practical optimal allocation problems have non-smooth cost functions with equality and inequality constraints that make the problem of finding the global optimum difficult using any mathematical approaches. A dynamic capacity adjustment algorithm is incorporated in the matrix real- coded genetic algorithm (MRCGA) framework to deal with the non-smooth cost functions. The proposed cost function takes into consideration operation cost minimisation as well as investment cost minimisation at the same time for the MG. Moreover, an energy storage equality constraint is applied to manage the state of charge of EES in MGs. The MRCGA is used to minimise the cost function of the system while constraining it to meet the customer demand and security of the system. For each studied case, sets of optimal capacities and
economic operation strategies of ESS and DG sources are determined. The computational simulation results are presented to verify the effectiveness of the proposed method.
INTRODUCTION
The needs to reduce pollutant gas emissions and the increasing energy consumption have led to an increase in installation capacity of renewable energy sources and energy storage system (ESS) . Nowadays, electrical and energy engineering have to face a new scenario in which small distributed generation (DG) sources and dispersed energy-storage devices have to be integrated together into the electrical grid . The new electrical grid, also named smart grid (SG), will deliver electricity from suppliers to consumers using digital technology, thus reducing cost and increasing reliability and transparency . As the impact of geography, climate, weather and other external factors, the output energy of renewable energy sources is intermittent and unpredictable which will cause the complexity of energy exchange between the DG sources, ESSs and load. Furthermore, the user can purchase electricity from the grid and can also sell surplus energy of the own DG sources to the grid, which will increase the complexity of energy exchange between the distributed sources, ESSs and load in the microgrid .(MG) and the main grid.
چکیده
این مطالعه روشی جدید برای تخصیص بهینه تولید تولید توزیع (DG) و سیستم ذخیره انرژی (ESS) در میکروگرید ها (MGs) ارائه می دهد. مسائل مربوط به تخصیص بهینه مطلوب، دارای توابع ارزان قیمت با محدودیت های برابری و نابرابری است که باعث می شود مشکل با استفاده از رویکردهای ریاضی مشکل بهینه ی جهانی پیدا شود. یک الگوریتم تنظیم ظرفیت ظرفیت در چارچوب الگوریتم ژنتیک ماتریس واقعی (MRCGA) برای مقابله با توابع هزینه غیر صاف گنجانده شده است. تابع هزینه پیشنهادی با توجه به کمینه کردن هزینه های عملیات و همچنین کاهش هزینه های سرمایه گذاری در همان زمان برای MG مورد توجه قرار می گیرد. علاوه بر این، محدودیت برابری ذخیره سازی انرژی برای مدیریت وضعیت اتخاذ EES در MGs اعمال می شود. MRCGA برای به حداقل رساندن عملکرد هزینه سیستم استفاده می شود، در حالی که محدود کردن آن برای پاسخگویی به تقاضای مشتری و امنیت سیستم است. برای هر مورد مورد مطالعه، مجموعه ای از ظرفیت های مطلوب و استراتژی های عملیاتی اقتصادی ESS و منابع DG تعیین می شود. نتایج شبیه سازی محاسباتی برای تأیید اثربخشی روش پیشنهادی ارائه شده است.
مقدمه
نیاز به کاهش انتشار گازهای آلاینده و افزایش مصرف انرژی منجر به افزایش ظرفیت نصب منابع انرژی تجدیدپذیر و سیستم ذخیره انرژی (ESS) شده است. امروزه مهندسی برق و انرژی باید با یک سناریوی جدید مواجه شود که در آن منابع تولید پراکنده (DG) و دستگاه های ذخیره سازی پراکنده باید به شبکه برق متصل شوند. شبکه برق جدید، همچنین به نام شبکه هوشمند (SG)، از تأمین کنندگان به مصرف کنندگان با استفاده از تکنولوژی دیجیتال، برق را تامین می کند، به این ترتیب هزینه ها و افزایش قابلیت اطمینان و شفافیت را کاهش می دهد. به عنوان تاثیر جغرافیا، آب و هوا، آب و هوا و دیگر عوامل خارجی، انرژی خروجی از منابع انرژی تجدید پذیر متناوب و غیر قابل پیش بینی است که باعث پیچیدگی تبادل انرژی بین منابع DG، ESS ها و بار است. علاوه بر این، کاربر می تواند برق را از شبکه خریداری کند و همچنین می تواند انرژی اضافی منابع DG خود را به شبکه انتقال دهد که پیچیدگی تبادل انرژی بین منابع توزیع شده، ESS و بار در میکروگرید (MG) و شبکه اصلی است.
Year: 2013
Publisher : ELSEVIER
By : Changsong Chen, Shanxu Duan
File Information: English Language/ 9 Page / size: 745 KB
Only site members can download free of charge after registering and adding to the cart
سال : 1392
ناشر : ELSEVIER
کاری از : چانگسونگ چن، شانکسو دوان
اطلاعات فایل : زبان انگلیسی / 9 صفحه / حجم : KB 745
نقد و بررسیها
هنوز بررسیای ثبت نشده است.